[發(fā)明專(zhuān)利]一種引入物體關(guān)系的圖像分類(lèi)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010195840.3
• 申請(qǐng)日: 2020-03-19
• 公開(kāi)（公告）號(hào): CN111414962B
• 公開(kāi)（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 秦永強(qiáng);張祥偉;宋亮;劉金露
• 申請(qǐng)（專(zhuān)利權(quán)）人: 創(chuàng)新奇智（重慶）科技有限公司
• 主分類(lèi)號(hào): G06V10/764
• 分類(lèi)號(hào): G06V10/764;G06V10/774;G06V10/40
• 代理公司: 深圳珠峰知識(shí)產(chǎn)權(quán)代理有限公司 44899
• 代理人: 黃偉

1.一種引入物體關(guān)系的圖像分類(lèi)方法，其特征在于，包括如下步驟：

步驟S1，通過(guò)注意力機(jī)制構(gòu)建輸入圖像上的各個(gè)物體間的關(guān)系；

步驟S2，基于所構(gòu)建的各所述物體間的所述關(guān)系在所述輸入圖像上對(duì)各所述物體進(jìn)行分類(lèi)標(biāo)注和位置標(biāo)注；

步驟S3，對(duì)所標(biāo)注的分類(lèi)特征圖和位置特征圖進(jìn)行采樣，并將采樣得到的特征圖作為注意力模型訓(xùn)練樣本，訓(xùn)練得到所述注意力模型；

步驟S4，通過(guò)所述注意力模型對(duì)所述輸入圖像進(jìn)行目標(biāo)分類(lèi)識(shí)別；

步驟S1中，所述注意力機(jī)制構(gòu)建的各所述物體間的所述關(guān)系通過(guò)以下公式(1)表達(dá)：

公式(1)中，用于表示第n個(gè)待分類(lèi)的所述物體在所述輸入圖像上的視覺(jué)特征；

W_v表示一第一線性變換矩陣；

m用于表示所述輸入圖像上第m個(gè)待分類(lèi)的所述物體；

n用于表示所述輸入圖像上第n個(gè)待分類(lèi)的所述物體；

公式(1)中的w^mn通過(guò)以下公式(2)表達(dá)：

公式(2)中，通過(guò)以下公式(3)表達(dá)：

公式(3)中，W_K和W_Q分別表示第二線性變換矩陣和第三線性變換矩陣；

用于表示第m個(gè)待分類(lèi)的所述物體在所述輸入圖像上的所述視覺(jué)特征；

用于表示對(duì)作W_K線性變換；

用于表示對(duì)作W_Q線性變換；

用于表示對(duì)和作內(nèi)積運(yùn)算；

d_k用于表示各所述矩陣的維度；

公式(2)中，通過(guò)以下公式(4)表達(dá)：

公式(4)中，W_G表示第四線性變換矩陣；

用于表示第m個(gè)待分類(lèi)的所述物體在所述輸入圖像上的位置特征；

用于表示第n個(gè)待分類(lèi)的所述物體在所述輸入圖像上的所述位置特征；

ε_G為通過(guò)所述注意力機(jī)制將所述輸入圖像上的兩個(gè)所述物體相對(duì)的四維坐標(biāo)變換到高維空間后得到的一坐標(biāo)特征；

用于表示對(duì)ε_G作W_G線性變換；

公式(2)中，

公式(2)中，

用于表示第k個(gè)待分類(lèi)的所述物體在所述輸入圖像上的所述視覺(jué)特征；

用于表示對(duì)作W_K線性變換；

用于表示對(duì)作W_Q線性變換；

用于表示對(duì)和作內(nèi)積運(yùn)算；

k用于表示所述輸入圖像上的第k個(gè)待分類(lèi)的所述物體。

2.如權(quán)利要求1所述的圖像分類(lèi)方法，其特征在于，所述四維坐標(biāo)表達(dá)如下：

x_m和x_n分別表示第m個(gè)待分類(lèi)的所述物體的圖像中心點(diǎn)和第n個(gè)待分類(lèi)的所述物體的圖像中心點(diǎn)在所述輸入圖像上的橫坐標(biāo)；

y_m和y_n分別表示第m個(gè)待分類(lèi)的所述物體的圖像中心點(diǎn)和第n個(gè)待分類(lèi)的所述物體的圖像中心點(diǎn)在所述輸入圖像上的縱坐標(biāo)；

w_m表示第m個(gè)待分類(lèi)的所述物體的特征圖像的圖寬；

h_m表示第m個(gè)待分類(lèi)的所述物體的所述特征圖像的圖高。